सारांश इंटरनेट ऑफ थिंग्स (IoT) पारिस्थितिकी तंत्र में वेब-आधारित उपकरण शामिल हैं जिनमें सेंसर, एक्टुएटर, प्रोसेसर, कंट्रोलर और डेटा कनेक्टिविटी उपकरण होते हैं। ये उपकरण वेब-आधारित तकनीकों के माध्यम से डेटा को वायरलेस रूप से इकट्ठा और साझा करते हैं। IoT उपकरण व्यक्ति-से-यंत्र और यंत्र-से-यंत्र इंटरैक्शन को तेज करते हैं। सीमित सुरक्षा तंत्र के कारण IoT-सक्षम नेटवर्क उपकरणों पर हमले की संभावना हमेशा बनी रहती है। IoT पारिस्थितिकी तंत्र में उपकरण अक्सर जुड़े/अलग होते हैं, इसलिए यह अप्रयुक्त जानकारी चुराने और उपकरणों को धोखा देने के लिए घुसपैठियों के लिए दरवाजे खोलता है। समय के साथ, अधिकृत/अधिकारिक उपयोगकर्ताओं को वर्गीकृत करके एक अच्छा पहचान तंत्र प्रस्तुत करना आवश्यक प्रतीत होता है। इस शोध का उद्देश्य मशीन लर्निंग एल्गोरिदम को लागू करना है जिसमें एक व्यापक विश्लेषण है जो वर्गीकरण को बढ़ाता है और IoT प्रणाली में विसंगति को सही ढंग से कम करता है। प्राप्त किए गए आशाजनक परिणाम मशीन लर्निंग एल्गोरिदम लॉजिस्टिक रिग्रेशन (LR), निर्णय वृक्ष (DT), रैंडम फॉरेस्ट (RF), K-नजदीकी पड़ोसी (KNN), मल्टीलेयर परसेप्ट्रॉन (MLP), और एक्सट्रीम ग्रेडियंट बूस्टिंग (XGBoost) की प्रभावशीलता को दर्शाते हैं, जिसमें प्रदर्शन में सुधार के लिए वर्गीकरण तंत्र के साथ आधुनिक एल्गोरिदम का उपयोग करके मॉडल को प्रशिक्षित किया गया है जो वर्गीकरण तंत्र में सटीकता में वृद्धि करता है और बड़े डेटा सेटों के लिए बहुत प्रभावशाली है। इस शोध के लिए उपयोग किए गए डेटा सेट iotᵢntrusion और iotid20 हैं।
फातिमा और अन्य (मंगल,) ने इस प्रश्न का अध्ययन किया।